烤烟作为我国一种重要的经济作物，人工感官分级的方法难以克服主观因素的影响。研究基于数字图像处理技术的烤烟烟叶质量自动分级系统，对于提高分级的效率和准确度有着重要的作用。本研究主要探讨烟叶颜色特征的提取和烟叶分组模式识别模型的建立。通过数字图像处理技术采集烟叶反射和透射图像的颜色特征，采用统计学的模式识别方法分析提取的颜色特征参数之间的关系，建立烤烟烟叶的分组模型。本文主要研究内容如下：1．分别采用不同的方法对烤烟烟叶的反射和透射图像进行预处理，反射图像采用VC++调用Matlab引擎的方法，通过Matlab的形态学函数扣除背景；透射图像根据烟叶区域对复合入射光的蓝色光谱具有敏感的选择吸收作用，采用区域统计法计算出分割阈值来扣除背景。在此基础之上，研究分析了常用的色度学模型的特点及适用范围，综合运用RGB和HSI两种色度学模型作为烟叶颜色特征。2．将色度学理论与数字图像处理技术有机结合，模拟人的色觉实现烟叶颜色的定量测量及描述。分别提取反射图像和透射图像的RGB与HSI的颜色特征值，并对反射图像的RGB值，通过标准比色白板修正来减少因光照变化引起的误差。3．采用统计学的方法，分别以反射的RGB、透射的R’G’B’、反射的HSI、透射的HSI、反射的RGB与HSI、透射的R’G’B’与H’S’I’、反射的RGB与透射的R’G’B’、反射的HSI与透射的H’S’I’建立分组判别模型；以自身验证法和交叉验证法的误判率均为最小的为最优化的判别模型。另外抽取130片未作训练样本的烟叶进行模型的应用验证，判别正确率达92％。研究表明运用数字图像处理技术及模式识别的方法来建立的烤烟烟叶的自动分组模型具有相当的可行性。在分组模型中，综合采用透射图像作为反射图像的补充可以有效提高分组的可靠性，具有广阔的应用前景。